Identifikasi Tanaman Obat Indonesia Melalui Citra Daun Menggunakan Metode Convolutional Neural Network (CNN)
Indonesia memiliki sumber daya alam yang melimpah, salah satunya adalah berbagai jenis tanaman. Masyarakat Indonesia telah menggunakan tanaman sebagai obat tradisional sejak jaman dahulu. Pada saat ini, tingkat pengetahuan manusia dalam mengenali jenis tanaman obat semakin menurun, karena keterbata...
| Main Authors: | , , , , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2023-04-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6809 |
| Summary: | Indonesia memiliki sumber daya alam yang melimpah, salah satunya adalah berbagai jenis tanaman. Masyarakat Indonesia telah menggunakan tanaman sebagai obat tradisional sejak jaman dahulu. Pada saat ini, tingkat pengetahuan manusia dalam mengenali jenis tanaman obat semakin menurun, karena keterbatasan memori yang dimiliki oleh manusia. Varietas tanaman obat yang sangat banyak dan beragam menyebabkan masyarakat sulit mengidentifikasi jenis tanaman obat indonesia. Penulis mengidentifikasi jenis tanaman herbal serta khasiatnya, khususnya untuk tanaman herbal yang ada di Indonesia. Metode Convolutional Neural Network (CNN) digunakan pada proses pengenalan tanaman herbal tersebut, karena metode ini cukup handal untuk pengenalan objek. Penulis menggunakan data citra daun sebagai data set yang diperoleh dari Mendeley Data. Penulis juga menggunakan data primer berupa data daun tanaman herbal yang diperoleh dari kampung herbal Surabaya. Tahap pertama adalah melakukan anotasi, melabeli serta menyamakan dimensi terhadap citra yang belum sama. Tahap kedua penulis melakukan pre-training untuk mendapatkan bobot yang akan digunakan sebagai input pada proses transfer learning menggunakan EfficientNetV2 sebagai model dasar. Langkah terakhir adalah melakukan validasi menggunakan data uji. Penelitian ini menunjukkan bahwa, CNN berhasil digunakan untuk mengidentifikasi tanaman herbal. Pengujian menggunakan confusion matrix terhadap data set yang digunakan pada penelitian ini memperoleh nilai akurasi rata-rata 98%.
Abstract
Indonesia has abundant natural resources, one of which is various types of plants. Indonesian people have used plants as traditional medicine since ancient times. At this time, human knowledge in recognizing the types of medicinal plants is decreasing due to humans' limited memory. The wide and varied varieties of medicinal plants make it difficult for the public to identify the types of Indonesian medicinal plants. In this study, the authors identified the types of herbal plants and their properties, especially for herbal plants in Indonesia. The Convolutional Neural Network (CNN) method is used in identifying these herbal plants because this method is quite reliable for object recognition. The author uses leaf image data as a data set obtained from Mendeley Data. In addition, the authors also use primary data on herbal plant leaves obtained from the Surabaya herbal village. The first stage is to annotate, label, and equate the dimensions of the images that still need to be the same. In the second stage, the authors conducted pretraining to obtain weights that would be used as input in the transfer learning process using EfficientNetV2 as the basic model. The final step is to validate using test data. This study shows that CNN is successfully used to identify herbal plants Testing using the confusion matrix method for the data set used in this study obtained an average accuracy value of 98%.
|
|---|---|
| ISSN: | 2355-7699 2528-6579 |